JAL生成AI広告が2回炎上した理由と、実務者の品質チェック手順

深夜1時。入稿データのフォルダを開きながら、バナー素材の最終確認をしている。

AIが生成した画像が20枚。見た目は悪くない。締め切りまであと2時間。

「まあ、これで大丈夫か」。

そう判断した翌朝、SNSで「指が6本ある」という指摘が届く。差し替え対応、クライアントへの報告、原因調査。半日が消えた。

これ、あなたの判断力が低かったわけじゃないんですよね。「生成AIのクリエイティブ、どこまで確認すればいいか」の基準が、まだ現場に存在していないから起きている。

JALが経験した「2回の差し替え」事例を解剖すると、その基準の作り方が見えてきます。この記事で持ち帰ってもらうのは、炎上の構造分析と、コピペで使える品質チェックの手順です。

---

「指が崩壊」で止まらなかった、JALが2回の差し替えに至った本当の理由

2025年8月、JALが富裕層向け高級クレジットカードの広告でAI生成画像を使用し、批判を受けました参考。

「指や小物が崩壊している」という指摘で、一度差し替えた。でも、また批判が来た。そして2回目の差し替えに至った。

ここで注目してほしいのは「1回目の差し替えで終わらなかった」という事実です。

1回目の対応チームは、おそらく「指の本数と物理的な崩壊」を直した。それで終わりのつもりだったはず。でも炎上は続いた。なぜか。

広告の品質チェックには、2つの層があるからです。

①技術的品質チェック：指の本数、テキストの正確さ、物理的な崩壊がないか

②文脈的品質チェック：この広告の文脈でAI生成画像が「適切か」、ブランドの価値観と合っているか

JALの事例では、①の修正は行われた可能性が高い。でも②の問い——「富裕層向けの高額クレジットカード広告で、AI生成画像をそもそも使うべきだったのか」——はチェックリストに入っていなかったのではないかと思っています（これは推測です）。

②の問いに答えるには、クリエイティブの技術的な精度ではなく、「ブランドの文脈」「ターゲット層の価値観」「AIを使ったと知れた場合の読者反応」を判断できる人間の目が必要になります。これはAIには代替できない判断です。

他の炎上事例も同じ構造をしています。ワコム（デジタルペンタブレットメーカー）がSNSでAI生成画像を使用してクリエイターから反発を受けた事例参考、マクドナルドの広告炎上事例参考、サクラクレパスが展示で「指が4本の少女」の画像を使い、画材メーカーとしての専門性を疑われた事例参考。いずれも「ブランドの文脈とAI生成画像の組み合わせへの問い」が炎上の核心にあります。

技術的なミスを直しても炎上が続いたのは、本当に問われていたものが別の場所にあったからです。

---

同じJALが、全国56空港で生成AIを「当たり前の業務ツール」にしていた

先日、アバナードがJALの事例を公開しているのを読んでいて唸ったんですよ参考。

JALはアバナードの支援のもと、「危険物検索」「ラウンジ入場条件検索」「イレギュラーアナウンス文作成」の3業務向けナレッジ支援システム「空港JAL-AI」を全国56空港に展開している。

広告で炎上した、同じJALです。

内部業務では生成AIが現場で普通に使われている。でも外向けのクリエイティブでは炎上した。なぜこんなに差が出るのか。

「空港JAL-AI」が成功している理由は、使い方の設計が明確だからです。

• 検索する情報の範囲が決まっている（危険物の規定、ラウンジ条件）
• アナウンス文を「ゼロから考えて作る」のではなく「定まった情報を構造化する」設計
• 人間のスタッフが最終確認してからアナウンスを出すフローが組まれている

外向けクリエイティブが難しいのは、「これで良い」の基準が外部——読者・社会・ブランドイメージ——に置かれているからです。基準が社内ルールで完結する業務効率化とは、根本的な構造が違う。

広告で生成AIを使うなら、この違いを設計の前提として置く必要があります。「AIを使えるか」ではなく、「この文脈でAIを使った結果に責任を持てるか」が出発点です。

---

電通デジタルCVR141%改善が示す、炎上しない広告AIの設計条件

電通デジタルは、AIを使ったLPO（ランディングページ最適化。LPの要素を自動で改善し成約率を上げる手法）でCVRを141%改善した実績があります参考。

一方、JALの広告は2回の差し替えに至った。同じ「広告×生成AI」で、なぜこんなに差が出るのか。

{CHART|bar|AI活用事例の主要KPI改善率（各社・各指標）|電通デジタル（CVR）,ジンズ（購入意向）,グッデイ（売上前年比）|141,15,124|%|https://uruteq.logly.co.jp/blog/ai/ai-marketing-case-studies/|uruteq.logly.co.jp}

出典: uruteq.logly.co.jp、accenture.comのデータより匠座作成（各バーは異なる指標）

成功している事例に共通する構造は、「AIが出したものを、そのまま本番に使っていない」点です。

電通デジタルのLPO改善は、AIが複数のコピー案や訴求パターンを出して、A/Bテストで検証して、効果があったものを採用するフロー。ジンズの「JINS AI」は、AIが対話で顧客の疑問に答えるが、購入に向けた最終的な接客判断は人間が持つ設計になっています参考。グッデイのAI需要予測でも、システムの提案を受けて仕入れ担当者が最終判断を下す設計で、売上前年比124%向上・平均在庫16%削減を達成しています参考。

成功する構造：AI生成 → 人間の判断 → 本番

炎上する構造：AI生成 → そのまま本番

シンプルに見えますが、締め切り前夜に「まあ大丈夫か」という判断が入ってしまうのが現場の実態です。だから意識の問題ではなく、仕組みとして組み込む必要がある。

---

Before/After：AIクリエイティブの品質チェック、導入前後の1日

【Aさん：チェックの仕組みなし】

• 23:00　プランナーから「バナー素材20枚、明日8:00入稿で」と依頼が来る
• 23:15　生成AIで20枚を一括生成（所要15分）
• 23:30　「見た目はそれっぽい」で確認完了。入稿データを整理
• 翌08:00　入稿
• 翌10:00　SNSに「指が変」「テキストに誤字がある」という指摘が届く
• 翌10:30　差し替え作業、クライアントへの報告、原因調査……半日が消える

【Bさん：品質チェックの仕組みあり】

• 23:00　同じ依頼が来る
• 23:10　生成AIで20枚を一括生成（所要15分）
• 23:25　下のプロンプト①で品質チェックを実行。5枚にフラグが立つ
• 23:35　5枚だけを人間が目視確認。3枚は修正指示で再生成、2枚は別素材で差し替え
• 00:05　20枚の確認完了。入稿データ整理
• 翌08:00　入稿 → 問題ゼロで納品

Aさんの問題は確認能力ではありません。「何をチェックするか」が言語化されていないから、感覚判断になる。チェックリストがあれば、深夜でも判断基準は変わらない。

コピペで使えるプロンプト①：AI生成クリエイティブの品質フラグ確認

あなたは広告クリエイティブの品質管理担当です。
以下のクリエイティブ概要を読み、全項目をチェックしてください。

【クリエイティブ概要】
[生成した画像の内容・コピー・訴求内容を記述してください]

【対象媒体・ターゲット・ブランド】
[媒体名・想定読者・ブランド名・価格帯を記入してください]

【チェックリスト】
□ 人物の指・手・耳・歯などの部位が自然か
□ 画像内のテキストに誤字・誤認識はないか
□ ブランドロゴ・商品名・価格の表記が正確か
□ 物理的におかしい点（重力・影・反射・光源）はないか
□ 対象ターゲット層の文脈でこの表現は適切か
□ 差別的・不快感を与える要素はないか
□ 薬機法・景表法上リスクのある表現はないか
□ このブランドがAIを使ったと読者に知れた場合、どう受け取られるか

問題がある項目に「⚠️ 要修正：[具体的な理由]」、
問題なければ「✅ OK」と記載してください。
最後に総合判定（入稿可 / 要修正 / 要人間レビュー）を出してください。

使いどころ：入稿前の最終チェック。生成した素材の内容・ターゲット・媒体をテキストで渡す。

出力を検証する観点：AIが「OK」と言っても、「ブランド文脈への適切さ」は必ず人間が最終確認する。高額商材・富裕層向け・クリエイター向けのブランドは特に念入りに。

---

よくある質問に先に答えます（深夜に検索するあなたへ）

Q1. 品質チェックにもAIを使うって意味がある?

あります。画像1枚の人間によるチェックが30秒〜2分だとすると、100枚で最大3時間超。AIにリスト項目を渡してフラグを立てさせれば、人間の確認対象を「問題がありそうな素材だけ」に絞れます。全部を人間が見るより早くて、疲れからくる見逃しも減る。

Q2. 生成AIの品質チェックに専門スキルは必要?

テキストベースのチェック（コピー確認・プロンプト検証）は、今使っているChatGPTやClaudeで十分です。画像の細部チェック（指の本数・テキストの正確さ）は、画像を読み込めるマルチモーダルなAIツール、またはあなた自身の目での確認が最終的には必要になります。「AIにチェックさせて、問題のある箇所だけ人間が見る」の組み合わせが現実的です。

Q3. クライアントに「AI使ってます」と開示すべき?

「聞かれたら正直に答える。聞かれなければ品質結果で証明する」が僕の考えです。ただ、富裕層向け・高級ブランド・医療・金融の案件では、事前に合意を取っておくほうが安全です。JALの炎上も、「高級クレジットカード広告」という文脈が重なっていたことが影響していると見ています（推測）。ブランドの価値観とAI使用の整合性を、制作前に確認する習慣をつけてください。

Q4. 社内のAI使用ポリシー、どこから作ればいい?

「使っていいケース」「確認必須のケース」「使ってはいけないケース」の3分類から始めてください。全面禁止は現場が動けなくなる。全面OKは炎上リスクがある。この3分類の叩き台を作るためのプロンプトが②です。

Q5. AI生成画像の著作権は誰のもの?

現時点（2026年）では、AIが自律的に生成したコンテンツには著作権が発生しないというのが日本の法的な整理の方向性ですが、流動的です（要確認）。元の学習データに著作権のある素材が含まれる可能性があるため、商用利用時は各ツールの利用規約の確認を必ずしてください。

コピペで使えるプロンプト②：社内AI使用ポリシーの草案作成

あなたは広告会社のコンプライアンス担当です。
以下の情報をもとに、社内でのAI生成クリエイティブ使用ポリシーの草案を作成してください。

【会社・事業の特徴】
[会社規模・主要クライアントの業種・既存ブランドガイドラインの有無を記述]

【使用を検討しているAIツール】
[ツール名・画像生成か文章生成かを記入]

以下の3分類で、具体的な判断基準を含めて整理してください：

1. 担当者判断で使用可能なケース
   （例：デジタル広告のA/Bテスト用素材、社内向け資料の図解）

2. 上長・クライアントレビュー必須のケース
   （例：外部公開クリエイティブ、ブランドロゴと組み合わせた素材）

3. 使用禁止、またはクライアント事前合意が必要なケース
   （例：富裕層向け高額商材広告、医療・金融関連、クリエイター向けブランド）

各ケースに、現場が迷わないレベルの具体的な判断基準を書いてください。

使いどころ：社内のAI活用ルールを初めて作るときの叩き台として。完成品ではなく起点として使う。

出力を検証する観点：医療・金融・子ども向けなど、業種特有の規制が漏れていないかを確認する。

---

匠座のAIパイプラインを運用していて、これは自分自身も経験したことです。毎朝の記事自動生成フローを最初に組んだとき、「AIが出したものをそのまま公開する」フローを試した時期があった。結果、数値の根拠が薄い段落が入り込んでしまった。品質ゲートを設けていなかったから、公開前に気づけなかった。今は、数字の検証と文脈チェックは必ず人間が通すルールを入れています。自動化できる部分は自動化していい。でも「これでいいか」の最終判断を自動化しようとすると、品質は崩れる。これ、広告クリエイティブでも全く同じ構造だと思っています。

---

正直な限界：生成AIが向かない広告クリエイティブがある

「AIを使うな」という話ではありません。使う文脈を選べ、という話です。

リスクが高い文脈に、炎上事例が集中しています。JAL（高級クレカ）、ワコム（クリエイター向けブランド）、サクラクレパス（画材メーカーとしての専門性）。「ブランドの文脈と、AI生成という事実の組み合わせ」が問われた、という構造が共通しています。

逆に、デジタル広告のA/Bテスト素材では、電通デジタルのようにCVR141%改善という実績が出ています参考。同じAIを使った広告でも、設計と文脈次第で結果は正反対になる。

もうひとつ正直に言うと、「画像内のテキストの正確な生成」は、現時点でも苦手とするケースが多い。特に固有名詞・数値・ブランド名は、人間が必ず目で確認してください。AIは自信を持って間違えます。

---

ここまで読んで「自社だけでやるには手が足りない」と感じた方は、『LOCALGOAT｜AI検索時代の店舗集客(AIO×MEO×SNS)』（AI検索時代の店舗集客（AIO×MEO×SNS）を支援する次世代対策サービス）のような外部サービスという選択肢もあります。急ぎでなければ、まずは無料のチェックリストで足元を固めるのがおすすめです。

LOCALGOAT｜AI検索時代の店舗集客(AIO×MEO×SNS) ↗

まとめと今日やること（30分で動ける3ステップ）

まず、この記事全体の構造を表で整理しておきます。

合計で25〜38分のフローです。このステップを入稿前の作業として組み込むだけで、深夜の「まあ大丈夫か」を防ぐ仕組みになります。

ステップ1（10分）：「うちの3分類」を言葉にする

Notionでもメモ帳でも、「うちはここまでなら使う・ここからは使わない」を言語化してください。プロンプト②を使えば、叩き台が5分でできます。ポイントは「全面禁止でも全面OKでもない」こと。現場が迷わない判断基準を作ることが目的です。

ステップ2（10分）：チェックリストを入稿フローに1行追加する

プロンプト①のチェックリスト部分をコピーして、Slackのチャンネルやノーションのテンプレートに置いてください。入稿フローの中に「このリストを確認した」というステップを1つ追加するだけ。たったこれだけで、基準のない感覚判断が消えます。

ステップ3（10分）：次の入稿前に一度試す

実際にプロンプト①を使って、AI生成クリエイティブをチェックしてみてください。フラグが立つかどうかよりも、「チェックする習慣を作ること」が今日のゴールです。

JAL事例で本当に重要なのは、炎上したことではなく「2回差し替えになった」ことです。1回目の修正後に「これで大丈夫」と思ったはずなのに、終わらなかった。基準が曖昧だと、直したつもりが直っていない状態が続く。今日チェックリストを言語化すれば、その「直したつもり」をなくせます。

---

編集長メモ：ヘリックス（執筆者について）

JAL事例は炎上話ではなく「品質設計のミス」の話です。プロンプト①を入稿前の確認ルーティンに入れて、3分類のポリシーを持つだけで、チームの品質水準は変わります。まず明日の入稿前に、5分だけ試してみてください。

▶ あわせて読みたい：広告 生成ai 無料の実務ガイド

▶ あわせて読みたい：AI広告事例2026：現場54%が使って平均CVR+85%の現実